Instituto Tecnológico de Celaya Tecnológico Nacional de México
ITC Investigación ITC
Explorar publicaciones
Artículo · 2024 · Catálogo consolidado

DETECCIÓN Y CLASIFICACIÓN DE DESPERDICIOS HUMANOS A TRAVÉS DE YOLOV8 Y UNA CÁMARA WEB (GARBAGE CLASSIFICATION DETECTION USING YOLOV8 AND A WEBCAM)

Pistas Educativas

Luis Edgar Alanís Carranza Tecnológico Nacional de México / TES de Coacalco
Adrián Israel Altamirano Arroyo Tecnológico Nacional de México / TES de Coacalco
Erick Ricardo Jiménez Hernández Tecnológico Nacional de México / TES de Coacalco
Iván Daniel Plasencia Gonzáles Tecnológico Nacional de México / TES de Coacalco
Jesús Axkana Fuentes Luna Tecnológico Nacional de México / TES de Coacalco
Israel Alejandro Pérez Luna Tecnológico Nacional de México / TES de Coacalco
Emiliano Sánchez Hernández Tecnológico Nacional de México / TES de Coacalco

Resumen

Resumen En la actualidad, la clasificación de basura no se lleva a cabo de manera adecuada, lo que ocasiona la pérdida de materia prima indispensable para la industria. La cantidad de residuos en diversas áreas del mundo aumenta cada año debido a la utilización de materiales reutilizados. Este estudio propone la implementación de Yolov8 con el fin de detectar y clasificar los desperdicios humanos mediante una cámara web. El modelo fue entrenado mediante la utilización de una base de datos de diversos materiales en contenedores de basura. Los resultados del entrenamiento revelaron una precisión general del 86 % con una velocidad de inferencia de 50.2 ms por imagen. Este modelo puede detectar y clasificar correctamente la mayoría de los desechos humanos e implementarse en una cámara web con una velocidad de procesamiento por fotograma inferior a 51 ms. Palabras Clave: Desperdicios humanos, Redes Neuronales Convolucionales, Yolov8. Abstract Currently, the classification of garbage is not carried out adequately, which causes the loss of essential raw materials for the industry. The amount of waste in various areas of the world increases every year due to the use of reused materials. This paper proposes the implementation of Yolov8 to detect and classify garbage through a webcam. The model was trained by utilizing a database comprising diverse materials in garbage containers. The training results showed an overall accuracy of 86 % with an inference speed of 50.2 ms per image. This model can correctly detect and classify most garbage and can be implemented on a webcam with a frame rate of less than 51 ms. Keywords: Convolutional Neural Network, Garbage, Yolov8.

Datos de publicación

Cita esta publicación

Comprueba el estilo que requiere tu institución o revista.

Luis Edgar Alanís Carranza; Adrián Israel Altamirano Arroyo; Erick Ricardo Jiménez Hernández; Iván Daniel Plasencia Gonzáles; Jesús Axkana Fuentes Luna; Israel Alejandro Pérez Luna; Emiliano Sánchez Hernández. (2024). DETECCIÓN Y CLASIFICACIÓN DE DESPERDICIOS HUMANOS A TRAVÉS DE YOLOV8 Y UNA CÁMARA WEB (GARBAGE CLASSIFICATION DETECTION USING YOLOV8 AND A WEBCAM). Pistas Educativas, 45(147). https://pistaseducativas.celaya.tecnm.mx/index.php/pistas/article/view/3123

Fuentes y trazabilidad

Se conserva la procedencia de los datos y se da prioridad a la revista cuando existe información editorial.

Licencias declaradas por las fuentes

Licencia en el registro de origen

Descargar ficha bibliográfica

El PDF contiene los metadatos y el enlace al trabajo original.